« | Home | »

Künstliche Intelligenz – Strategien und praktische Anwendungsfälle im digitalen Banking

Von Dr. Oliver Everling | 3.Dezember 2024

Dr.-Ing. Christian Thurau, Director of AI and Data Science bei der N26 Group, beleuchtete auf der Handelsblatt Tagung „BankenTech“ die Strategien und praktischen Anwendungsfälle von Künstlicher Intelligenz im digitalen Banking. Sein Fokus lag dabei auf der Bedeutung einer robusten KI-Governance, die sicherstellt, dass ethische Prinzipien und regulatorische Vorgaben eingehalten werden. Thurau machte deutlich, dass KI im Finanzsektor nicht nur Chancen, sondern auch Risiken birgt, die sorgfältig gemanagt werden müssen. Zu den Hauptgefahren zählen Verzerrungen und Diskriminierung durch fehlerhafte Algorithmen, Datenschutzprobleme, eine sinkende menschliche Kontrolle, mangelnde Transparenz, Sicherheitsbedrohungen sowie die Gefahr von Manipulation und Fehlinformationen. Die Nachbildung von Stimmen, so Thurau, sei bereits heute so realistisch, dass Missbrauchspotenziale erheblich zugenommen haben. Deshalb sei eine starke technologische Governance unerlässlich, um sicherzustellen, dass KI verantwortungsvoll und ethisch eingesetzt wird.

Ein zentrales Beispiel für den praktischen Nutzen von KI bei N26 ist der Einsatz des virtuellen Assistenten „Neon“. Dieses System bearbeitet Kundenanfragen rund um die Uhr in fünf verschiedenen Sprachen und löst etwa 40 % der Anfragen ohne menschliches Eingreifen. Thurau betonte, dass die Zahl der Kontakte pro Kunde dadurch um mehr als 15 % gesenkt werden konnte. Die Effizienz und Genauigkeit solcher KI-gestützten Systeme verbesserten nicht nur das Kundenerlebnis, sondern entlasteten auch die Mitarbeitenden erheblich. Der zweite wichtige Anwendungsfall betrifft die Bekämpfung von Finanzkriminalität. Herkömmliche Maßnahmen zur Prävention von Geldwäsche und Betrug stoßen zunehmend an ihre Grenzen. KI bietet hier mit fortschrittlichen biometrischen Identifikationsmethoden und dynamischen Risikobewertungen, die auf mehreren Hundert Indikatoren basieren, eine deutlich effektivere Lösung. Verhaltensanalysen und die Auswertung von Kundendaten ermöglichen es, Warnhinweise effizienter zu bewerten und ungewöhnliche Datenpunkte als potenzielle Betrugsindikatoren zu identifizieren.

Thurau gab dazu interessante Einblicke in spezifische Muster, die auf Betrug hindeuten können. So hätten beispielsweise Newsletter-Abonnenten eine dreifach höhere Wahrscheinlichkeit, Betrug zu initiieren. Ebenso seien bestimmte E-Mail-Formate auffällig: Adressen, die mit drei oder vier Zahlen enden oder das Geburtsjahr enthalten, zeigten ein erhöhtes Risiko. Durch solche datenbasierten Erkenntnisse könne KI wesentlich dazu beitragen, Betrug frühzeitig zu erkennen und präzise Maßnahmen zu ergreifen.

E-Mail-Adressen, die mit den genannten Zahlenformaten enden, weisen eine signifikant höhere Wahrscheinlichkeit für betrügerische Aktivitäten auf. Adressen, die mit drei Zahlen enden, sind 13-mal wahrscheinlicher mit Betrugsversuchen verbunden, während jene mit vier Zahlen am Ende ein achtfach erhöhtes Risiko aufweisen. Wenn das Geburtsjahr im E-Mail-Namen enthalten ist, steigt die Wahrscheinlichkeit für betrügerische Aktivitäten auf das Sechsfache. Diese Muster verdeutlichen, wie spezifische Datenpunkte durch KI-gestützte Analysen identifiziert werden können, um potenziellen Betrug frühzeitig zu erkennen und präventive Maßnahmen zu ergreifen.

Themen: Bankinternes Rating, Konsumentenrating, KYC-Rating | Kommentare deaktiviert für Künstliche Intelligenz – Strategien und praktische Anwendungsfälle im digitalen Banking

Kommentare geschlossen.